将R数据框转换为Pandas数据框时丢失分类值问题咨询

我帮你梳理下这个问题的原因和解决办法～

问题根源 #

rpy2 默认的 pandas2ri.ri2py() 转换逻辑会把 R 里的 factor（分类类型）直接转成 Python 的字符串数组，而不会自动映射为 Pandas 的 Categorical 类型，所以你看不到预期的分类值格式。

解决方案1：用新版rpy2转换规则（推荐） #

现在 rpy2 更推荐使用 localconverter 来精准控制转换行为，能直接保留分类类型：

import rpy2.robjects as ro
from rpy2.robjects import pandas2ri
from rpy2.robjects.conversion import localconverter
import pandas as pd

# 用局部转换器指定保留分类类型
with localconverter(ro.default_converter + pandas2ri.converter):
    panda_DF = ro.conversion.rpy2py(diamR)

# 验证分类列类型
print(panda_DF.dtypes)
# 你会看到原R的factor列现在显示为category类型

解决方案2：手动转换字符串列为分类（兼容旧版rpy2） #

如果你坚持用旧版的 pandas2ri.ri2py()，可以在转换后手动把对应列转为 Pandas 分类：

import pandas as pd
from rpy2.robjects import pandas2ri

# 先完成基础转换
panda_DF = pandas2ri.ri2py(diamR)

# 获取R数据框中所有factor类型的列名
r_factor_cols = []
for col_name in diamR.names:
    # 检查该列的R类型是否为factor
    if diamR.rclass[col_name][0] == 'factor':
        r_factor_cols.append(col_name)

# 将这些列转为Pandas Categorical类型
for col in r_factor_cols:
    panda_DF[col] = pd.Categorical(panda_DF[col])

# 查看结果
print(panda_DF.head())
print(panda_DF.dtypes)

验证方法 #

转换完成后，你可以通过以下代码确认分类类型是否保留：

# 替换成你的分类列名
print(panda_DF['cut'].dtype)
# 输出应为 category

内容的提问来源于stack exchange，提问作者vidhi amin